Context Memory — Dein Wissensgedächtnis für Claude

01

Claude vergisst alles. Dieser Skill ändert das.

Normalerweise startet Claude jede Session bei Null. Deine Architekturentscheidungen, Bug-Fixes, Recherche-Ergebnisse — alles weg. Context Memory ändert das grundlegend.

Du sagst Claude einfach, was wichtig ist. Der Skill speichert es in einem Context TreeHierarchische Baumstruktur die dein Projektwissen organisiert — nach Typ, Relevanz und Zusammenhängen. — und beim nächsten Mal ist alles wieder da.

── Ohne Context Memory ──
Session 1: „Wir nutzen PostgreSQL" → gespeichert in Claudes Kopf
Session 2: „Was nutzen wir nochmal?" → ❌ Keine Ahnung

── Mit Context Memory ──
Session 1: „Context Memory: Merk dir — wir nutzen PostgreSQL" → ✅ dec-001 gespeichert
Session 2: „Context Memory: Was nutzen wir?" → ✅ PostgreSQL (Entscheidung, kritisch)

Wie sprichst du den Skill an?

Einfach ganz normal reden, Claude erkennt es automatisch

„Context Memory: …" und dann dein Anliegen

Einen speziellen Slash-Command eingeben

02

Alles was wichtig ist — aus Gesprächen und Dateien

Du kannst Claude Wissen diktieren — oder ganze Dateien verfüttern. Der Skill extrahiert die Inhalte und organisiert sie automatisch.

💬

Aus dem Gespräch

„Context Memory: Merk dir, dass wir uns für PostgreSQL entschieden haben."

📄

Aus PDFs & Word

Lade eine Datei hoch und sag „Nimm das in die Wissensbasis auf."

📊

Aus Excel & CSV

Spalten, Datentypen und Samples werden automatisch als Wissen gespeichert.

🎯

Aus Präsentationen

PowerPoint-Slides werden einzeln als Wissenseinheiten extrahiert.

💻

Aus Code

Claude analysiert deine Codebase und erkennt Struktur, Dependencies und Tests.

🌐

Markdown, HTML, JSON…

Über 15 Formate. Claude erkennt automatisch, wie er splitten soll.

Mehr erfahren Alle Formate und Splitting-Strategien im Detail → PDF nach Seiten, Word nach Abschnitten, Excel nach Sheets — wann was sinnvoll ist

03

Fragen stellen — Antworten bekommen

Die Agentic SearchDreistufige Suche: Erst schneller Match auf Tags und Titel, dann Volltextsuche im Inhalt, dann Relationsanreicherung. durchsucht dein gesamtes Wissen — nicht nur Titel, sondern auch Inhalte und Zusammenhänge.

Deine Frage

→

Quick Search
Tags & Titel

→

Deep Search
Volltextsuche

→

Ergebnis
+ Relationen

Du: „Context Memory: Was wissen wir über die Datenbank?"

Claude: 🔍 3 Treffer:
  1. ⚡ [dec-001] PostgreSQL als Datenbank (critical, high confidence)
     🕸️ Benötigt von: REST API
  2. ⚡ [les-001] N+1 Query gelöst (high, medium confidence)
     🕸️ Behebt: Bug bei User-Endpunkt
  3. ⚡ [pat-001] Repository Pattern (medium, high confidence)
     🕸️ Implementiert: PostgreSQL-Zugriff

Was macht die Suche besonders?

Sie durchsucht nur die Titel der gespeicherten Einträge

Sie nutzt eine Vektor-Datenbank für semantische Ähnlichkeit

Sie sucht mehrstufig — Tags, Volltext, und zeigt Zusammenhänge zwischen Treffern

04

Wissen verknüpfen — der Knowledge Graph

Einzelne Wissensstücke sind gut. Aber die Zusammenhänge dazwischen sind das eigentlich Wertvolle. Context Memory verbindet dein Wissen über 22 RelationstypenAbhängigkeiten, Kausalität, Widersprüche, Ersetzungen, Workflow-Reihenfolgen — jede Beziehung hat eine Richtung und eine Umkehrung..

Du: „Context Memory: Die Stanford-Studie bestätigt die Interview-Aussagen."
Claude: ✅ Relation: arch-003 validiert les-001

Du: „Context Memory: Der McKinsey-Report widerspricht der Stanford-Studie."
Claude: ✅ Relation: les-002 widerspricht arch-003

Du: „Context Memory: Wie hängt McKinsey mit meiner Buchstruktur zusammen?"
Claude: 🛤️ Pfad (3 Hops):
McKinsey → widerspricht → Stanford → validiert → Interview → dokumentiert → Buchstruktur

🔗

Strukturell

hängt ab von, ist Teil von

⚡

Kausal

verursacht durch, behoben durch

✅

Wissen

bestätigt, widerspricht, dokumentiert

🔄

Lifecycle

ersetzt, erweitert, blockiert

Mehr erfahren Alle 22 Relationstypen und Graph-Funktionen → Pfadfindung, Kontext-Traversierung, Mermaid-Diagramme

05

Wissen hat ein Verfallsdatum — und eine Sicherheit

Nicht jede Information ist gleich sicher. Und „Umsatz 28 Mrd." und „Umsatz 34 Mrd." sind kein Widerspruch — sondern eine ZeitreiheJeder Node kann ein Quelldatum, ein Gültigkeitsfenster und eine Zeitkonfidenz tragen. So werden zeitliche Veränderungen sichtbar statt als Fehler behandelt..

Zeitdimension:
„KI-Adoption 12%" ← McKinsey, Q1 2025, Konfidenz: explicit
„KI-Adoption 23%" ← Accenture, Q4 2025, Konfidenz: explicit
→ Kein Widerspruch! Zeitreihe: +11 Prozentpunkte in 9 Monaten

Konfidenz:
[bug-002] Memory-Leak im Order-Service
Relevanz: critical | Konfidenz: low
→ Wichtig, aber noch nicht bestätigt. Sobald bestätigt: Konfidenz → high

Wofür ist die Konfidenz-Angabe gut?

Sie bestimmt, wie weit oben ein Treffer in der Suche erscheint

Sie zeigt, ob eine Information bestätigt oder noch eine Vermutung ist

Sie legt fest, wie lange ein Wissensblock gespeichert bleibt

06

Wissen raustragen — 6 Export-Formate

Dein Wissen gehört dir — in jedem Format das du brauchst. Von der lesbaren Projektdokumentation bis zu maschinenlesbaren RAG-Chunks.

📝

Markdown

Lesbare Dokumentation mit Zeitbezügen und Konfidenz. Sofort verschickbar.

💾

JSON Backup

Vollständiger Export zum Importieren in andere Sessions oder Geräte.

🕸️

JSON-LD

Knowledge Graph mit schema.org-Kontext. Für Neo4j, Gephi und andere Graph-Tools.

📊

Mermaid

Visuelles Diagramm. Farbcodiert nach Typ. Direkt in Obsidian oder GitHub renderbar.

🤖

RAG-Chunks

Saubere Textblöcke ohne Formatierung. Für LangChain, LlamaIndex, Embeddings.

✨

Alles auf einmal

„Context Memory: Exportiere alles in allen Formaten." — 5 Dateien, ein Befehl.

Du: „Context Memory: Wie gut ist meine Wissensbasis?"

Claude: 🔍 Quality Score: 92/100
✅ 7/8 Checks bestanden
⚠️ 4 Nodes ohne Zeitdaten — Quelldaten ergänzen?

Du: „Context Memory: Exportiere alles als Markdown."
Claude: ✅ 34 Nodes exportiert → projekt-wissen.md (Quality: 92/100)

✓

Bereit loszulegen?

Sag einfach:

„Context Memory: Leg mir ein Wissensprojekt an."

Installiere den Skill in Claude, und dein Wissen bleibt — für immer.

Dein Wissen. Dauerhaft.